基于無(wú)模型自適應(yīng)控制的設(shè)施園藝自動(dòng)導(dǎo)航車(chē)輛路徑跟蹤

陳娟 姚立健 徐麗君 顏松

摘要：為實(shí)現(xiàn)設(shè)施園藝內(nèi)農(nóng)業(yè)機(jī)械的自動(dòng)導(dǎo)航，提出一種基于無(wú)模型自適應(yīng)控制（model-free adaptive control，簡(jiǎn)稱MFAC）車(chē)輛路徑跟蹤方法。采用4個(gè)超寬帶（UWB）基站組建室內(nèi)無(wú)線定位系統(tǒng)，并與WT901C光纖陀螺儀組合使用，獲取試驗(yàn)樣車(chē)與期望路徑之間的橫向偏差和航向偏差。建立預(yù)瞄偏差模型，并采用無(wú)模型自適應(yīng)控制器來(lái)動(dòng)態(tài)確定純追蹤算法中的前視距離，最終實(shí)現(xiàn)路徑跟蹤。對(duì)比試驗(yàn)結(jié)果表明，在4種不同的初始狀態(tài)下進(jìn)行直線跟蹤時(shí)，本研究方法的平均偏差分別為0.102、0.079、0.181、0.084 m，達(dá)到穩(wěn)定狀態(tài)后，其穩(wěn)態(tài)偏差變化范圍在0.013～0.033 m之間;在矩形路徑跟蹤時(shí)，平均偏差為0.139 m，本研究方法明顯優(yōu)于采用固定前視距離的純追蹤模型，滿足農(nóng)業(yè)設(shè)施內(nèi)狹窄空間中運(yùn)輸作業(yè)的精度要求，可為設(shè)施園藝農(nóng)機(jī)導(dǎo)航提供新思路。

關(guān)鍵詞：無(wú)模型自適應(yīng)控制;自動(dòng)導(dǎo)航;超寬帶;設(shè)施園藝;路徑跟蹤

中圖分類(lèi)號(hào)：TP242.6 ??文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2022）08-0187-06

近年來(lái)我國(guó)設(shè)施園藝產(chǎn)業(yè)發(fā)展迅速，總面積現(xiàn)已位列世界首位[1]。在設(shè)施園藝生產(chǎn)中，農(nóng)產(chǎn)品在設(shè)施內(nèi)的運(yùn)輸時(shí)間約占整個(gè)作業(yè)時(shí)間20%以上[2]，因此研發(fā)能自動(dòng)導(dǎo)航運(yùn)輸?shù)难b備成為設(shè)施園藝研究的熱點(diǎn)之一。

目前，位姿獲取與路徑跟蹤控制是農(nóng)機(jī)自動(dòng)導(dǎo)航的2個(gè)關(guān)鍵技術(shù)。全球定位系統(tǒng)（GPS）[3-6]、機(jī)器視覺(jué)[7-9]作為傳統(tǒng)的定位手段經(jīng)常被使用在田間農(nóng)機(jī)位姿解算、作物行導(dǎo)航線提取等導(dǎo)航研究中。但在農(nóng)業(yè)設(shè)施內(nèi)無(wú)法接收到清晰的GPS信號(hào)，而機(jī)器視覺(jué)的實(shí)時(shí)性和全局路徑規(guī)劃能力還有待提高。超寬帶（UWB）是利用納秒級(jí)或亞納秒級(jí)脈寬實(shí)現(xiàn)短距高速傳輸數(shù)據(jù)的無(wú)線通信技術(shù)，具有時(shí)間分辨率高、發(fā)送功率小等優(yōu)點(diǎn)，被越來(lái)越多地運(yùn)用到室內(nèi)高精度定位研究中。如戴波等通過(guò)對(duì)UWB技術(shù)的靜態(tài)、動(dòng)態(tài)定位性能進(jìn)行試驗(yàn)與分析，提出基于多時(shí)段協(xié)同定位方法，解決倉(cāng)庫(kù)貨物堆垛遮擋、金屬貨罐和液體等干擾的問(wèn)題[10]。符世琛等提出一種基于UWB測(cè)距技術(shù)的掘進(jìn)機(jī)自主定位導(dǎo)向方法，可有效擴(kuò)大掘進(jìn)機(jī)的測(cè)量范圍，減少工人井下作業(yè)時(shí)間[11]。林相澤等采用信息到達(dá)時(shí)間差（time difference of arrival，簡(jiǎn)稱 TDOA）技術(shù)以及動(dòng)靜態(tài)優(yōu)化算法，為設(shè)施環(huán)境下農(nóng)用車(chē)輛精細(xì)作業(yè)提供了準(zhǔn)確定位[12]。

在路徑跟蹤控制方面，純追蹤算法[13]因其控制參數(shù)少、預(yù)見(jiàn)性強(qiáng)等優(yōu)點(diǎn)獲得廣泛應(yīng)用。研究人員采用模糊控制[14]、線性方程[15]等方法動(dòng)態(tài)調(diào)整前視距離，以提高路徑跟蹤精度。在模糊控制中，隸屬度函數(shù)的構(gòu)建對(duì)專(zhuān)家經(jīng)驗(yàn)依賴較大，因此很難精準(zhǔn)確定。對(duì)于線性方程算法，其數(shù)學(xué)表達(dá)式只能滿足當(dāng)前假設(shè)條件，而這些假設(shè)條件在實(shí)際環(huán)境中存在一定局限性。無(wú)模型自適應(yīng)控制（model-free adaptive control，簡(jiǎn)稱MFAC）是一種利用動(dòng)態(tài)線性化模型解決復(fù)雜非線性系統(tǒng)的控制器，其控制過(guò)程無(wú)需構(gòu)建復(fù)雜的數(shù)學(xué)模型，僅僅利用受控系統(tǒng)的I/O數(shù)據(jù)驅(qū)動(dòng)，具有控制算法難度低、無(wú)需假設(shè)條件等優(yōu)點(diǎn)，現(xiàn)已廣泛應(yīng)用在無(wú)人駕駛[16]、自動(dòng)泊車(chē)系統(tǒng)[17]以及多自由度機(jī)器人外骨骼控制[18]等領(lǐng)域。

因此，本研究在前述研究基礎(chǔ)上，采用超寬帶技術(shù)構(gòu)建室內(nèi)定位系統(tǒng)以精確獲取車(chē)輛橫向偏差和航向偏差，通過(guò)預(yù)瞄偏差模型對(duì)純追蹤算法進(jìn)行改進(jìn)，并提出一種基于MFAC的前視距離動(dòng)態(tài)確定方法并驗(yàn)證其路徑跟蹤方面的有效性。

1 試驗(yàn)樣車(chē)結(jié)構(gòu)

試驗(yàn)樣車(chē)由鋰電池（48 V、20 Ah）供電，采用前輪轉(zhuǎn)向、后輪驅(qū)動(dòng)的4輪結(jié)構(gòu)，輪距和軸距分別為550、840 mm（圖1）。前輪由L298N驅(qū)動(dòng)器驅(qū)動(dòng)電動(dòng)推桿實(shí)現(xiàn)轉(zhuǎn)向，后輪電機(jī)和AQMD3608BLS驅(qū)動(dòng)器驅(qū)動(dòng)實(shí)現(xiàn)車(chē)輛行駛。通過(guò)霍爾編碼器將電機(jī)的位移量轉(zhuǎn)換成脈沖數(shù)，來(lái)檢測(cè)前輪轉(zhuǎn)向角（α）和后輪速度（v），進(jìn)而實(shí)現(xiàn)閉環(huán)控制。選用4個(gè)UWB無(wú)線傳感器（I-UWB LPS PA型）組建室內(nèi)定位系統(tǒng)，并與WT901C光纖陀螺儀（測(cè)量范圍-180°～180°，測(cè)量精度為0.1°）組合使用，獲得樣車(chē)的位置和姿態(tài)信息。主控制器采用STM32F767IGT6芯片，接收UWB定位系統(tǒng)和光纖陀螺儀傳來(lái)的位姿信息，換算成樣車(chē)相對(duì)于期望路徑的橫向偏差（d）和航向偏差（θ）。根據(jù)純追蹤算法計(jì)算樣車(chē)前輪轉(zhuǎn)向角（α），從而達(dá)到設(shè)施內(nèi)道路路徑跟蹤的目的。

2 樣車(chē)位姿解算

在試驗(yàn)樣車(chē)自動(dòng)導(dǎo)航中，需要實(shí)時(shí)獲取車(chē)輛位置和姿態(tài)信息。車(chē)輛的姿態(tài)信息由WT901C光纖陀螺儀直接讀取，位置信息則通過(guò)UWB定位系統(tǒng)獲取，具體解算流程如下：采用4個(gè)UWB無(wú)線傳感器（基站）組建室內(nèi)無(wú)線定位坐標(biāo)系（圖2）。將移動(dòng)信標(biāo)安裝在試驗(yàn)樣車(chē)上，當(dāng)樣車(chē)在定位系統(tǒng)中移動(dòng)時(shí)信標(biāo)與4個(gè)基站建立通訊，根據(jù)信號(hào)到達(dá)時(shí)間（time of arrival，簡(jiǎn)稱TOA）原理[10]，信標(biāo)到每個(gè)基站的距離（r）可由如下方程組表示：

（x1-x）2+（y1-y）2=r21;

（x2-x）2+（y2-y）2=r22;

（x3-x）2+（y3-y）2=r23;

（x4-x）2+（y4-y）2=r24。（1）

式中：（x1，y1）、（x2，y2）、（x3，y3）、（x4，y4）分別為基站1、2、3、4的坐標(biāo);（x，y）為移動(dòng)信標(biāo)的坐標(biāo)。r1、r2、r3、r4為各基站到信標(biāo)的距離，其計(jì)算方式如下：

ri=（xi-x）2+（yi-y）2=cti。（2）

式中：c為光速，3×108 m/s;ti為信號(hào)在移動(dòng)標(biāo)簽到

第i個(gè)基站之間的傳輸時(shí)間，i=1，2，3，4。將式（1）中的后3個(gè)方程分別與第1個(gè)方程相減，可得：

[x y]T=Z·C。（3）

式中：Z=2x1-x2 y1-y2

x1-x3 y1-y3

x1-x4 y1-y4-1;

C=r22-r12+x12+y12-x22-y22

r32-r12+x12+y12-x32-y32

r42-r12+x12+y12-x42-y42。

式（3）為超靜定方程組，其中各基站的坐標(biāo)（xi，yi）及移動(dòng)標(biāo)簽到各定位基站的距離（ri）均可以由UWB定位系統(tǒng)獲得。采用加權(quán)最小二乘法（weighted least squares，簡(jiǎn)稱 WLS）[19]解該超靜定方程組，得到移動(dòng)標(biāo)簽坐標(biāo)[x，y]T的最優(yōu)解。[x，y]T的定位精度與基站的分布、標(biāo)簽的位置、障礙物等密切相關(guān)。經(jīng)過(guò)反復(fù)調(diào)試，當(dāng)4個(gè)基站組成15 m×20 m的矩形時(shí)，此區(qū)域內(nèi)能獲得良好的定位精度。

3 路徑跟蹤控制

3.1 預(yù)瞄偏差模型

自動(dòng)導(dǎo)航是通過(guò)對(duì)樣車(chē)橫向控制來(lái)實(shí)現(xiàn)路徑跟蹤。參考駕駛員習(xí)慣，本研究引入預(yù)瞄點(diǎn)和前視距離的概念。如圖3所示，B點(diǎn)為車(chē)輛后輪中心（A）到期望跟蹤直線P1P2的投影，設(shè)C點(diǎn)為車(chē)輛預(yù)瞄點(diǎn)，根據(jù)弧長(zhǎng)預(yù)瞄方法[20]，BC即為前視距離（L）。

圖3中，β為車(chē)身方向與AC連線的夾角，定義該角度為預(yù)瞄偏差角，并設(shè)當(dāng)車(chē)在跟蹤路徑的左側(cè)時(shí)角度為正。根據(jù)幾何知識(shí)，預(yù)瞄偏差模型的前視距離（L）為

L=dtan（β+θ）。（4）

式中：d為橫向偏差，m;θ為航向偏差，°。橫向偏差（d）和航向偏差（θ）的正負(fù)號(hào)定義如下：在路徑跟蹤中，橫向偏差d為左正右負(fù);根據(jù)時(shí)針運(yùn)行方向，航向偏差θ為逆正順負(fù)。由式（4）可知，前視距離L由橫向偏差d、航向偏差θ和預(yù)瞄偏差角β決定，θ、d可由光纖陀螺儀和UWB定位系統(tǒng)得到，因此預(yù)瞄偏差角β是影響前視距離L的唯一參數(shù)。

3.2 純追蹤原理

純追蹤算法[13]是一種基于幾何模型的路徑跟蹤方法，通過(guò)設(shè)置預(yù)瞄點(diǎn)計(jì)算前輪轉(zhuǎn)向角α，并規(guī)劃車(chē)輛從當(dāng)前位置到預(yù)瞄點(diǎn)的圓弧軌跡（如圖3中的圓弧AC）來(lái)實(shí)現(xiàn)路徑跟蹤，該方法簡(jiǎn)單直觀且具有預(yù)見(jiàn)性，在計(jì)算過(guò)程中無(wú)需考慮車(chē)輛的動(dòng)力學(xué)模型。由純追蹤原理，可得前輪轉(zhuǎn)向角α為

α=-acrtan2l（dcosθ+Lsinθ）L2+d2。（5）

式中：l為車(chē)輛軸距，m。

由式（5）可知，前視距離L決定前輪轉(zhuǎn)向角α的大小。前視距離較大時(shí)，車(chē)輛會(huì)沿?cái)?shù)個(gè)曲率較小的弧線慢慢靠近期望路徑，振蕩小但收斂快速性較差;當(dāng)前視距離較小時(shí)，車(chē)輛會(huì)沿曲率較大的弧線快速靠近期望路徑，但車(chē)輛會(huì)產(chǎn)生振蕩。因此，可以通過(guò)控制β不斷收斂來(lái)獲得動(dòng)態(tài)的前視距離L，進(jìn)而控制前輪轉(zhuǎn)向角α來(lái)調(diào)整車(chē)輛位姿逐步向期望路徑收斂。本研究將設(shè)計(jì)一種MFAC算法，根據(jù)實(shí)時(shí)預(yù)瞄偏差β信息對(duì)前視距離L進(jìn)行動(dòng)態(tài)調(diào)整。

4 無(wú)模型自適應(yīng)控制系統(tǒng)

4.1 控制系統(tǒng)框架

如圖4所示，β*（k）為當(dāng)前時(shí)刻（k）預(yù)瞄偏差角的期望輸出，通常為0°。通過(guò)位姿和轉(zhuǎn)角傳感器獲取車(chē)輛前一時(shí)刻（k-1）時(shí)的狀態(tài)數(shù)據(jù)β（k-1）、α（k-1），與β*（k）比對(duì)后，輸入MFAC，產(chǎn)生當(dāng)前時(shí)刻（k）的預(yù)瞄偏差角[β（k）]，將β（k）帶入預(yù)瞄偏差模型[式（4）]，就可求出此刻最合適的前視距離 [L（k）]，再將前視距離帶入式（5），就可得到此刻理想的前輪轉(zhuǎn)角[α*（k）]，以此控制車(chē)輛調(diào)整姿態(tài)。不斷循環(huán)便可將車(chē)輛逐步收斂到期望路徑上。因此，子系統(tǒng)MFAC是整個(gè)控制系統(tǒng)設(shè)計(jì)的重點(diǎn)。

4.2 MFAC設(shè)計(jì)

由式（4）和式（5）可知，前輪轉(zhuǎn)向角α和預(yù)瞄偏差角β存在非線性關(guān)系，可用一般離散時(shí)間描述 k+1時(shí)刻的β值：

β（k+1）=f[β（k），…，β（k-kβ），α（k），…，α（k-kα）]。（6）

式中：f（·）是未知非線性函數(shù);kα和kβ是須追溯參數(shù)的時(shí)間寬度。

根據(jù)文獻(xiàn)[21]，式（6）須滿足以下3種假設(shè)：

假設(shè)1，子系統(tǒng)MFAC輸入輸出變量α和β均須可測(cè)、可控、有邊界，且輸出變量β會(huì)由系統(tǒng)輸入信號(hào)驅(qū)動(dòng)迭代逐漸接近期望輸出信號(hào)β*;

假設(shè)2，f（·）關(guān)于輸入信號(hào)中α（k）的偏導(dǎo)數(shù)是連續(xù)的;

假設(shè)3，子系統(tǒng)MFAC滿足廣義Lipschitz相關(guān)條件。

因此符合基于緊格式的動(dòng)態(tài)線性化模型，使得子系統(tǒng)MFAC轉(zhuǎn)換為

Δβ（k+1）=（k）Δα（k）。（7）

式中：Δα（k）=α（k）-α（k-1）;Δβ（k+1）=β（k+1）-β（k）;（k）為偽偏導(dǎo)數(shù)，|（k）|≤b，且b是一個(gè)正數(shù)。

為保證前輪轉(zhuǎn)向角α急劇轉(zhuǎn)向引起車(chē)輛失穩(wěn)以及消除路徑跟蹤誤差，本研究引入輸入準(zhǔn)則函數(shù)和估計(jì)準(zhǔn)則函數(shù)，公式如下：

J[α（k）]=|β*（k+1）-β（k+1）|2+λ|α（k）-α（k+1）|2;（8）

J[（k）]=|β（k）-β（k-1）-（k）Δα（k-1）|2+μ|（k）-（k-1）|2。（9）

式中：μ>0;λ>0;β*為期望輸出。將式（7）代入工（8）中，對(duì)α（k）求導(dǎo)等于0;同時(shí)式（9）對(duì) （k） 求極值，得其近似估計(jì)值：

^（k）=^（k-1）+η[Δβ（k）-^（k-1）Δα（k-1）]Δα（k-1）μ+|Δα（k-1）|2;（10）

α（k）=α（k-1）+（k）[β*（k+1）-β（k）]λ+|（k）|2。（11）

式中：步長(zhǎng)因子η∈（0，2]。

為了使估計(jì)算法具有較好的適應(yīng)性和收斂性，（k）須滿足如下約束條件

|（k）|2≤ε‖Δα（k-1）≤ε;

sign[（k）]≠sign[（1）];

（k）=（1）。（12）

式中：ε取正數(shù)最小值。由式（10）、式（11）和式（12）可知，該系統(tǒng)需要設(shè)定起始時(shí)刻的前視距離 L（1）、估計(jì)偽偏導(dǎo) ^（1）以及λ、μ、η。

5 試驗(yàn)結(jié)果與討論

5.1 實(shí)車(chē)試驗(yàn)

為檢驗(yàn)本研究算法的有效性，在浙江農(nóng)林大學(xué)官塘農(nóng)場(chǎng)溫室中進(jìn)行實(shí)車(chē)試驗(yàn)。試驗(yàn)環(huán)境及場(chǎng)地布置如圖1和圖2所示。試驗(yàn)樣車(chē)的采樣頻率和車(chē)速分別為10 Hz、1 m/s。采用最佳固定前視距離（經(jīng)計(jì)算機(jī)反復(fù)仿真，取0.8 m）的純追蹤模型（簡(jiǎn)稱L-fixed法）進(jìn)行對(duì)比試驗(yàn)。對(duì)各性能指標(biāo)的定義如下：平均偏差是從試驗(yàn)開(kāi)始到結(jié)束所有橫向偏差絕對(duì)值的平均值，m;平均標(biāo)準(zhǔn)差是各個(gè)偏差偏離平均偏差距離的均值，m;穩(wěn)定距離是指樣車(chē)首次收斂至穩(wěn)定點(diǎn)（距離期望路徑±0.02 m以內(nèi)）時(shí)樣車(chē)所行駛的縱向距離，m;調(diào)整時(shí)間是指從初始狀態(tài)行駛到穩(wěn)定點(diǎn)所需的時(shí)間，s;穩(wěn)定距離和調(diào)整時(shí)間這2個(gè)指標(biāo)反映路徑跟蹤的收斂速度;穩(wěn)態(tài)偏差是指從穩(wěn)定點(diǎn)向后的平均橫向偏差，m，該指標(biāo)反映了路徑跟蹤精度。

5.1.1 試驗(yàn)1 樣車(chē)分別從4種不同的初始狀態(tài)[（d，θ）分別為（0.7 m，-70°）、（-0.8 m，80°）、（0.9 m，-20°）、（-0.5 m，40°）]出發(fā)，跟蹤全長(zhǎng)為15 m的直線路徑。本研究方法（簡(jiǎn)稱L-MFAC法）中，系統(tǒng)初始時(shí)刻[L（1）]取最佳固定前視距離，即為0.8 m，估計(jì)偽偏導(dǎo)^=0.5，λ=18，μ=1，η=1。L-MFAC法和L-fixed法直線追蹤的對(duì)比試驗(yàn)軌跡與數(shù)據(jù)統(tǒng)計(jì)分別如圖5和表1所示。

5.1.2 試驗(yàn)2 為進(jìn)一步驗(yàn)證樣車(chē)在設(shè)施園藝狹小空間中轉(zhuǎn)向能力，設(shè)計(jì)了19 m×9 m的矩形跟蹤路線。出發(fā)的初始位置為（0，0），依次經(jīng)過(guò)點(diǎn)（19，0）、點(diǎn)（19，9）、點(diǎn)（0，9）后回到點(diǎn)（0，0），初始橫向、航向偏差均為0°（圖6）?？紤]到系統(tǒng)的響應(yīng)時(shí)間及試驗(yàn)樣機(jī)的速度，設(shè)定距離下一條路徑不足 2.0 m 時(shí)更新路徑。矩形追蹤的對(duì)比試驗(yàn)結(jié)果與數(shù)據(jù)統(tǒng)計(jì)分別如圖6和表2所示。

5.2 試驗(yàn)結(jié)果與分析

如圖5、表1所示，在UWB定位系統(tǒng)位姿偏差可測(cè)范圍內(nèi)，4種狀態(tài)下本研究基于MFAC的純追蹤模型直線跟蹤的平均偏差分別為0.102、0.079、0.181、0.084 m，而固定前視距離L-fixed純追蹤模型平均偏差分別為0.141、0.122、0.198、0.118 m。當(dāng)試驗(yàn)樣機(jī)行駛到穩(wěn)定狀態(tài)時(shí)，本研究 L-MFAC 法的穩(wěn)態(tài)偏差分別為0.013、0.015、0.018、0.033 m，而作為對(duì)比的L-fixed法分別為0.067、0.038、0.024、0.081 m。由此可知，L-MFAC法平均能夠降低一半以上的穩(wěn)態(tài)誤差率;在試驗(yàn)2中，本研究的L-MFAC法和對(duì)比的L-fixed法平均偏差分別為0.139、0.265 m（圖6、表2），表明本研究方法具有更好的跟蹤精度。

由表1可知，本研究的L-MFAC法和L-fixed法路徑跟蹤穩(wěn)態(tài)偏差的標(biāo)準(zhǔn)差分別為0.008、0.010、0.013、0.018 m和0.017、0.013、0.019、0.023 m，前者均值為0.012 m，而后者均值為 0.018 m，前者明顯小于后者。說(shuō)明本研究基于MFAC的純追蹤模型轉(zhuǎn)向較為平緩且穩(wěn)定，可以提高運(yùn)輸車(chē)在設(shè)施園藝抗側(cè)翻性能。

收斂性能的快慢是檢驗(yàn)試驗(yàn)樣機(jī)路徑跟蹤的重要性能之一，即調(diào)整時(shí)間是表明受控系統(tǒng)的收斂性能。由表1可知，本研究所用L-MFAC法的調(diào)整時(shí)間為5.6、6.1、7.6、6.8 s，對(duì)應(yīng)的穩(wěn)定距離分別為4.210、4.970、6.110、5.590 m。而L-fixed法調(diào)整時(shí)間分別為6.6、6.4、10.4、8.1 s，對(duì)應(yīng)穩(wěn)定距離分別為5.570、5.020、8.800、6.260 m?？芍狙芯克肔-MFAC法確定前視距離具有較好的適應(yīng)性，收斂效果要優(yōu)于作為對(duì)比的L-fixed法。

由表2可知，本研究的L-MFAC法平均偏差的標(biāo)準(zhǔn)差為0.111m，而L-fixed法平均偏差的標(biāo)準(zhǔn)差為0.208 m，穩(wěn)定性能提高了46.6%。同時(shí)由圖6可知，最大偏差均出現(xiàn)在轉(zhuǎn)彎處，這是由于試驗(yàn)樣機(jī)存在最小轉(zhuǎn)彎半徑且更換當(dāng)前路徑，因此試驗(yàn)樣機(jī)需要重新收斂至最新路徑。

6 總結(jié)與展望

本研究采用UWB無(wú)線傳感器組建室內(nèi)定位系統(tǒng)，并與光纖陀螺儀組合使用，精準(zhǔn)獲取移動(dòng)平臺(tái)的位姿偏差信息，能夠解決在設(shè)施園藝環(huán)境下農(nóng)業(yè)機(jī)械的定位與導(dǎo)航難題。

利用無(wú)模型自適應(yīng)算法方法動(dòng)態(tài)確定純追蹤模型的前視距離，并設(shè)計(jì)直線跟蹤和矩形路徑跟蹤2個(gè)試驗(yàn)。試驗(yàn)結(jié)果表明，在直線路徑跟蹤下，其穩(wěn)態(tài)偏差均值為0.020 m;在矩形路徑跟蹤下，平均偏差和標(biāo)準(zhǔn)差分別為0.139、0.111 m，可以滿足園藝設(shè)施內(nèi)作業(yè)平臺(tái)的導(dǎo)航要求。

超寬帶定位精度易受到外界環(huán)境的影響，而在本研究中只考慮移動(dòng)標(biāo)簽與定位基站之間無(wú)遮擋的情況，屬于理想使用環(huán)境，在后續(xù)研究中，可針對(duì)有遮擋物時(shí)的定位測(cè)量，分析不同遮擋物對(duì)定位精度的控制。另外，可考慮選用4輪獨(dú)立驅(qū)動(dòng)獨(dú)立轉(zhuǎn)向新型結(jié)構(gòu)，以減少大角度轉(zhuǎn)向時(shí)的車(chē)體打滑現(xiàn)象。

參考文獻(xiàn)：

[1]齊 飛，魏曉明，張躍峰. 中國(guó)設(shè)施園藝裝備技術(shù)發(fā)展現(xiàn)狀與未來(lái)研究方向[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2017，33（24）：1-9.

[2]Jang W J，Lewis G，Hoachuck J，et al. Vibration-reducing path tracking control for a strawberry transport robot[C]//American Society of Agricultural and Biological Engineers .Proceedings of 2014 ASABE and CSBE/SCGAB annual international meeting. Montreal，2014：141914011.

[3]劉柯楠，吳普特，朱德蘭，等. 基于GPS的太陽(yáng)能平移式噴灌機(jī)自主導(dǎo)航系統(tǒng)設(shè)計(jì)與試驗(yàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（16）：89-94.

[4]郭 娜，胡靜濤，王 鶴. 基于GPS導(dǎo)航的插秧機(jī)作業(yè)控制系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44（1）：200-204.

[5]黎永鍵，趙祚喜，高俊文. 基于GPS/SINS組合的農(nóng)業(yè)導(dǎo)航定位系統(tǒng)設(shè)計(jì)與研究[J]. 農(nóng)機(jī)化研究，2014，36（3）：16-22.

[6]Yin X，Du J，Noguchi N，et al. Development of autonomous navigation system for rice transplanter[J]. International Journal of Agricultural and Biological Engineering，2018，11（6）：89-94.

[7]李云伍，徐俊杰，王銘楓，等. 丘陵山區(qū)田間道路自主行駛轉(zhuǎn)運(yùn)車(chē)及其視覺(jué)導(dǎo)航系統(tǒng)研制[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35（1）：52-61.

[8]Lee I N，Lee K H，Lee J H，et al. Autonomous greenhouse sprayer navigation using automatic tracking algorithm[J]. Applied Engineering in Agriculture，2015，31（1）：17-21.

[9]孟慶寬，何 潔，仇瑞承，等. 基于機(jī)器視覺(jué)的自然環(huán)境下作物行識(shí)別與導(dǎo)航線提取[J]. 光學(xué)學(xué)報(bào)，2014，34（7）：180-186.

[10]戴 波，呂 昕，劉學(xué)君，等. 基于改進(jìn)的超寬帶?；穫}(cāng)儲(chǔ)堆垛定位技術(shù)[J]. 上海交通大學(xué)學(xué)報(bào)，2016，50（6）：963-967，974.

[11]符世琛，李一鳴，楊健健，等. 基于超寬帶技術(shù)的掘進(jìn)機(jī)自主定位定向方法研究[J]. 煤炭學(xué)報(bào)，2015，40（11）：2603-2610.

[12]林相澤，王 祥，林彩鑫，等. 基于超寬帶的溫室農(nóng)用車(chē)輛定位信息采集與優(yōu)化[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2018，49（10）：23-29，45.

[13]姚立健，Pitla S K，楊自棟，等. 基于超寬帶無(wú)線定位的農(nóng)業(yè)設(shè)施內(nèi)移動(dòng)平臺(tái)路徑跟蹤研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2019，35（2）：17-24.

[14]汪小旵，魯 偉，陳 滿，等. 基于改進(jìn)純追蹤模型的溫室采摘運(yùn)輸自動(dòng)跟隨系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2016，47（12）：8-13.

[15]李 革，王 宇，郭劉粉，等. 插秧機(jī)導(dǎo)航路徑跟蹤改進(jìn)純追蹤算法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2018，49（5）：21-26.

[16]王建邦，袁智勇，陳 波，等. 變電站巡檢機(jī)器人數(shù)據(jù)驅(qū)動(dòng)無(wú)模型自適應(yīng)控制[J]. 電測(cè)與儀表，2019，56（19）：114-120.

[17]侯忠生，董航瑞，金尚泰.基于坐標(biāo)補(bǔ)償?shù)淖詣?dòng)泊車(chē)系統(tǒng)無(wú)模型自適應(yīng)控制[J]. 自動(dòng)化學(xué)報(bào)，2015，41（4）：823-831.

[18]Wang X F，Li X，Wang J H，et al. Data-driven model-free adaptive sliding mode control for the multi degree-of-freedom robotic exoskeleton[J]. Information Sciences，2016，327：246-257.

[19]劉書(shū)靜，羅海勇，吳 彬，等. 基于最小二乘測(cè)距定位算法信標(biāo)最優(yōu)部署模型[J]. 計(jì)算機(jī)學(xué)報(bào)，2013，36（3）：546-556.

[20]李 爽，徐延海，陳 靜，等. 基于弧長(zhǎng)預(yù)瞄的車(chē)輛側(cè)向跟蹤控制研究[J]. 汽車(chē)工程，2019，41（6）：668-675.

[21]王衛(wèi)紅，侯忠生，霍海波，等. 基于數(shù)據(jù)驅(qū)動(dòng)方法的控制器設(shè)計(jì)及其參數(shù)整定[J]. 系統(tǒng)科學(xué)與數(shù)學(xué)，2010，30（6）：792-805.